Sur En attendant les robots. Enquête sur le travail du clic d'Antonio Casilli
Bibliographic record
Abstract
À partir de la présentation de l’ouvrage En attendant les robots d'Antonio Casilli, ce texte a pour objectif de proposer une réflexion sur les transformations du travail à l’ère numérique. À l’instar de l’auteur de l’ouvrage, nous pensons que derrière les vocables « algorithmes », « apprentissage profond » (deep learning) et sans doute surtout « intelligence artificielle », qui mettent en avant diverses techniques, voire la technique entendue de façon plus générique, sont cachées nombre d’activités sociales qu’il est possible de qualifier de « digital labor » et qui renvoient largement à des processus bien connus d’aliénation et d’exploitation, caractéristiques du capitalisme. Y-a-t-il ici une simple reproduction de rapports sociaux antérieurs ? Pas tout à fait. La situation pourrait être de pire en pire, car les dynamiques planétaires en cours favorisent un nivellement des conditions de travail et de rémunération. Alors, que faire ? Une fois de plus, nous sommes d’accord avec A. Casilli à propos de l’importance des luttes sociales liées au monde du travail et lorsqu’il propose d'aborder le travail à l’ère numérique du point de vue de la coopération et du principe du « commun ». Des pratiques sociales qui sont liées à ces enjeux peuvent favoriser diverses formes d’émancipation. Les mégadonnées devraient dès lors être envisagées comme autant de ressources à partager. Ces enjeux sont d’autant plus cruciaux et l’ouvrage de A. Casilli d’une si évidente pertinence que la pandémie de covid 19 a manifestement donné un coup d’accélérateur notable à la numérisation de nos sociétés, et de ce fait au digital labor.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.006 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.009 | 0.005 |
| Scholarly communication | 0.005 | 0.006 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.004 | 0.005 |
| Insufficient payload (model declined to judge) | 0.040 | 0.011 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".